Row

Zeitreihe 2000 bis 2020

Row

Dokumentation

Run download Deploy dashboard Last_pull Valdidate

Das Bundesamt für Statistik stellt wöchentlich erfasste Todesfallzahlen zur Verfügung.

Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei) - opendata.swiss

Die Todesfälle werden täglich den Zivilstandsämtern gemeldet und dem BFS im Rahmen der Statistik der natürlichen Bevölkerungsbewegung (BEVNAT) mitgeteilt. Der Melde- und Verarbeitungsprozess dauert in der Regel neun Tage.

Die Referenzbevölkerung ist die ständige Wohnbevölkerung, d.h. die Personen mit ständigem Wohnsitz in der Schweiz. Todesfälle von Personen mit Wohnsitz in der Schweiz, die sich im Ausland ereignet haben, werden gezählt.

Weitere Informationen :

Todesfälle Schweiz (Sample)

Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei)

TIME_PERIOD GEO AGE SEX Obs_status Obs_value
2020-W03 CH _T T P 1404
2020-W04 CH _T T P 1408
2020-W05 CH _T T P 1416
2020-W06 CH _T T P 1379
2020-W11 CH _T T P 1381
2020-W12 CH _T T P 1520
2020-W13 CH _T T P 1603
2020-W14 CH _T T P 1855
2020-W15 CH _T T P 1620
2020-W16 CH _T T P 1548

Wöchentlicher Nachtrag (Sample)

Logdatei

Datum Status Text
2020-07-11 03:19:09 I END Validierung
2020-07-11 03:19:09 E Daten identisch
2020-07-11 03:19:09 I new_todesfaelle_woche.csv gelesen 17614 Zeilen und 9 Spalten
2020-07-11 03:19:09 I todesfaelle_woche.csv gelesen 17614 Zeilen und 9 Spalten
2020-07-11 03:19:08 I START Validierung
2020-07-11 03:19:08 I END Download
2020-07-11 03:19:08 I badge created
2020-07-11 03:19:08 I ..CSV in new_todesfaelle_woche.csv geschrieben !
2020-07-11 03:19:06 I URL download lesen …
2020-07-11 03:19:06 I ..API in api.csv geschrieben !
2020-07-11 03:19:06 I . Deaths per week by 5-year age group, sex and canton (CSV file) vom 2020-07-09T01:15:30.497918
2020-07-11 03:19:01 I Opendata spec lesen …
2020-07-11 03:19:01 I START Download
2020-07-10 03:18:45 I END API
2020-07-10 03:18:45 I badge auf disc
2020-07-10 03:18:45 I restful auf disc
2020-07-10 03:18:45 I START API
2020-07-10 03:18:45 I END Validierung
2020-07-10 03:18:45 I badge created
2020-07-10 03:18:45 I ../data/new_todesfaelle_woche.csv umbenannt in ../data/todesfaelle_woche.csv
2020-07-10 03:18:45 I ../data/todesfaelle_woche.csv umbenannt in ../data/arc_todesfaelle_woche.csv
2020-07-10 03:18:45 I ..in ../data/diff.csv geschrieben !
2020-07-10 03:18:45 I Differenzen in 440 Zeilen mit 1169 Todesfällen ..
2020-07-10 03:18:44 I ..2020-W26 mit 1020 Todesfälle
2020-07-10 03:18:44 I ..2020-W25 mit 51 Todesfälle
2020-07-10 03:18:44 I ..2020-W24 mit 35 Todesfälle
2020-07-10 03:18:44 I ..2020-W23 mit 18 Todesfälle
2020-07-10 03:18:44 I ..2020-W22 mit 10 Todesfälle
2020-07-10 03:18:44 I ..2020-W21 mit 4 Todesfälle
2020-07-10 03:18:44 I ..2020-W20 mit 9 Todesfälle
2020-07-10 03:18:44 I ..2020-W19 mit 5 Todesfälle
2020-07-10 03:18:44 I ..2020 mit 1168 Todesfälle
2020-07-10 03:18:44 I Validatortabellen erstellt …
2020-07-10 03:18:44 I Referenztabellen erstellt …
2020-07-10 03:18:44 I new_todesfaelle_woche.csv gelesen 17614 Zeilen und 9 Spalten
2020-07-10 03:18:44 I todesfaelle_woche.csv gelesen 16948 Zeilen und 9 Spalten
2020-07-10 03:18:44 I START Validierung
2020-07-10 03:18:44 I END Download
2020-07-10 03:18:44 I badge created
2020-07-10 03:18:44 I ..CSV in new_todesfaelle_woche.csv geschrieben !
2020-07-10 03:18:42 W ..new_todesfaelle_woche.csv wird überschrieben !
2020-07-10 03:18:42 I URL download lesen …
2020-07-10 03:18:42 I ..API in api.csv geschrieben !
2020-07-10 03:18:42 I . Deaths per week by 5-year age group, sex and canton (CSV file) vom 2020-07-09T01:15:30.497918
2020-07-10 03:18:38 I Opendata spec lesen …
2020-07-10 03:18:37 I START Download
2020-07-09 03:17:29 I END Download
2020-07-09 03:17:29 I END Download
2020-07-09 03:17:29 I badge created
2020-07-09 03:17:29 E Error NROW(api_res$PIVOT) == 1 is not TRUE
2020-07-09 03:17:22 I Opendata spec lesen …
2020-07-09 03:17:21 I START Download
2020-07-09 03:17:29 I END Download
2020-07-09 03:17:29 I badge created
2020-07-09 03:17:29 E Error NROW(api_res$PIVOT) == 1 is not TRUE
2020-07-09 03:17:22 I Opendata spec lesen …
2020-07-09 03:17:21 I START Download
2020-07-08 03:17:41 I END Validierung
2020-07-08 03:17:41 E Daten identisch
2020-07-08 03:17:41 I new_todesfaelle_woche.csv gelesen 16948 Zeilen und 9 Spalten
2020-07-08 03:17:41 I todesfaelle_woche.csv gelesen 16948 Zeilen und 9 Spalten
2020-07-08 03:17:41 I START Validierung
2020-07-08 03:17:41 I END Download
2020-07-08 03:17:41 I badge created
2020-07-08 03:17:41 I ..CSV in new_todesfaelle_woche.csv geschrieben !
2020-07-08 03:17:39 W ..new_todesfaelle_woche.csv wird überschrieben !
2020-07-08 03:17:39 I URL download lesen …
2020-07-08 03:17:39 I ..API in api.csv geschrieben !
2020-07-08 03:17:39 I . Deaths per week by 5-year age group, sex and canton (CSV file) vom 2020-07-02T11:27:40.643168
2020-07-08 03:17:34 I Opendata spec lesen …
2020-07-08 03:17:33 I START Download
2020-07-07 03:17:49 I END Validierung
2020-07-07 03:17:48 E Daten identisch
2020-07-07 03:17:48 I new_todesfaelle_woche.csv gelesen 16948 Zeilen und 9 Spalten
2020-07-07 03:17:48 I todesfaelle_woche.csv gelesen 16948 Zeilen und 9 Spalten
2020-07-07 03:17:48 I START Validierung
2020-07-07 03:17:48 I END Download
2020-07-07 03:17:48 I badge created
2020-07-07 03:17:48 I ..CSV in new_todesfaelle_woche.csv geschrieben !
2020-07-07 03:17:46 W ..new_todesfaelle_woche.csv wird überschrieben !
2020-07-07 03:17:46 I URL download lesen …
2020-07-07 03:17:46 I ..API in api.csv geschrieben !
2020-07-07 03:17:46 I . Deaths per week by 5-year age group, sex and canton (CSV file) vom 2020-07-02T11:27:40.643168
2020-07-07 03:17:41 I Opendata spec lesen …
2020-07-07 03:17:41 I START Download
2020-07-04 03:17:43 I END Validierung
2020-07-04 03:17:43 E Daten identisch
2020-07-04 03:17:43 I new_todesfaelle_woche.csv gelesen 16948 Zeilen und 9 Spalten
2020-07-04 03:17:43 I todesfaelle_woche.csv gelesen 16948 Zeilen und 9 Spalten
2020-07-04 03:17:43 I START Validierung
2020-07-04 03:17:43 I END Download
2020-07-04 03:17:43 I badge created
2020-07-04 03:17:43 I ..CSV in new_todesfaelle_woche.csv geschrieben !
2020-07-04 03:17:41 I URL download lesen …
2020-07-04 03:17:41 I ..API in api.csv geschrieben !
2020-07-04 03:17:41 I . Deaths per week by 5-year age group, sex and canton (CSV file) vom 2020-07-02T11:27:40.643168
2020-07-04 03:17:37 I Opendata spec lesen …
2020-07-04 03:17:36 I START Download
2020-07-03 03:17:54 I END API
2020-07-03 03:17:54 I badge auf disc

Zusätzliche Informationen

Metadatenzugriff API (JSON)


Deaths per week by 5-year age group, sex and canton (CSV file) download
- created : 2020-07-09T01:15:30.497918
- format : CSV
- start_date : 2019-12-30T01:00:00
- end_date : 2020-06-28T02:00:00

Deaths per week by 5-year age group, sex and canton (CSV file) download
- created : 2020-06-10T09:51:14.730969
- format : CSV
- start_date : 2000-01-03T01:00:00
- end_date : 2019-12-29T01:00:00

Difference between downloads download
- created : 2020-07-10 03:18:45
- format : CSV
- start_date : 2017-W22
- end_date : 2020-W26

---
title: "Mortalitätsmonitoring Schweiz"
knit: (function(input_file, encoding) {
  out_dir <- '_book';
  if (!dir.exists(out_dir)) dir.create(out_dir);
  rmarkdown::render(input_file,
  encoding=encoding,
  output_file=file.path(dirname(input_file), out_dir, 'index.html'))})
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
---

```{r setup, include=FALSE}
library(dygraphs) # needs xts
library(dplyr)
library(readr)
source('../R/badgelinks.R')
source('berestful.R')

```

Row
---------------------------------------------------

### Zeitreihe 2000 bis 2020

```{r graph}
# read data with dyfun and convert to timeseries
source('momodyfun.R')
# select sorted timeseries by canton
ktlist <- c('CH','ZH','BE','VD','TI')

dft1 <- dyfun(quos(kanton %in% ktlist))  %>%
  count(kt,date, wt=value, name='value') %>%
  split(.$kt)
dft2 <- dft1[ktlist] # sort the list
tslist <- lapply(dft2, function(x) {
  xts::xts(x$value, order.by = x$date)
  })
tss <- do.call(cbind,tslist)
dygraph(tss, main = "Todesfälle Schweiz") %>% 
  dyOptions(stepPlot = T) %>%
  dyHighlight(highlightCircleSize = 5, 
              highlightSeriesBackgroundAlpha = 0.2,
              hideOnMouseOut = FALSE) %>% 
  dyRangeSelector(dateWindow = c("2013-07-01", as.character(last(dft1[[1]]$date)))) %>%
  dyEvent("2020-3-17", "Lockdown", labelLoc = "bottom")
```


Row {.tabset .tabset-fade}
---------------------------------------------------

### Dokumentation

`r badge`

**Das Bundesamt für Statistik stellt wöchentlich erfasste Todesfallzahlen zur Verfügung.**

Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei) - [opendata.swiss](https://opendata.swiss/de/dataset?q=%22Todesfälle+nach+Fünf-Jahres-Altersgruppe%22+Kanton)

Die Todesfälle werden täglich den Zivilstandsämtern gemeldet und dem BFS im Rahmen der Statistik der natürlichen Bevölkerungsbewegung (BEVNAT) mitgeteilt. Der Melde- und Verarbeitungsprozess dauert in der Regel neun Tage.

Die Referenzbevölkerung ist die ständige Wohnbevölkerung, d.h. die Personen mit ständigem Wohnsitz in der Schweiz. Todesfälle von Personen mit Wohnsitz in der Schweiz, die sich im Ausland ereignet haben, werden gezählt.

Weitere Informationen :

- Bundesamt für Statistik:  [Todesfälle](https://www.bfs.admin.ch/bfs/de/home/statistiken/bevoelkerung/geburten-todesfaelle/todesfaelle.html)
- Bundesamt für Statistik: [Sterblichkeit, Todesursachen](https://www.bfs.admin.ch/bfs/de/home/statistiken/gesundheit/gesundheitszustand/sterblichkeit-todesursachen.html)
- Bundesamt für Statistik: [Mortalitätsmonitoring (MOMO)](https://www.experimental.bfs.admin.ch/expstat/de/home/innovative-methoden/momo.html)
- Weltgesundheitsorganisation (WHO): [EUROMOMO](https://www.euromomo.eu/graphs-and-maps/)


### Todesfälle Schweiz (Sample)

Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei)

```{r data}
read_csv2('../data/todesfaelle_woche.csv') %>%
  top_n(10) %>%
  knitr::kable()
```

### Wöchentlicher Nachtrag (Sample)

```{r diff}
dfdiff <- read_csv2('../data/diff.csv')
DT::datatable(dfdiff[0:100,], class = 'cell-border stripe')
```

### Logdatei

```{r log}
mylog <- read_csv2('../data/log.csv', col_names = F) %>% purrr::map_df(rev)
knitr::kable(mylog[0:100,], col.names = c('Datum','Status','Text'))
```

### Zusätzliche Informationen

Metadatenzugriff [API (JSON)](https://norman-ds.github.io/momo/json.json) 

***

`r berestful()`